如何评估一个智能体的好坏

1. 任务完成度

智能体最核心的价值：能不能完成任务。

• 给一个明确任务，看能不能完成
• 完成度高不高
• 需要多少人工干预

2. 理解准确度

能否准确理解用户意图：问了一个问题，看回答是否针对问题；多次对话，看能否保持上下文。

3. 响应速度

生成速度、工具调用速度、整体任务完成时间。

4. 稳定性

同样的任务，多次执行效果是否一致；是否经常出错或卡死。

5. 易用性

界面是否友好；提示词是否清晰；新手能否快速上手。